gagan3012/areta_v5

---
dataset_info:
features:
- name: 'Unnamed: 0'
dtype: int64
- name: raw
sequence: string
- name: corrected
sequence: string
- name: tag
sequence: string
- name: raw_morph
dtype: string
- name: raw_d3tok
sequence: string
splits:
- name: train
num_bytes: 60559487
num_examples: 19406
- name: validation
num_bytes: 3179379
num_examples: 1017
- name: test
num_bytes: 3028394
num_examples: 968
download_size: 23091062
dataset_size: 66767260
---
# Dataset Card for "areta_v5"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

dataset_info:
特征:
- 名称: 'Unnamed: 0'
数据类型: int64
- 名称: raw
序列类型: string
- 名称: corrected
序列类型: string
- 名称: tag
序列类型: string
- 名称: raw_morph
数据类型: string
- 名称: raw_d3tok
序列类型: string
拆分:
- 名称: train
字节数: 60559487
样本数: 19406
- 名称: validation
字节数: 3179379
样本数: 1017
- 名称: test
字节数: 3028394
样本数: 968
下载大小: 23091062
数据集大小: 66767260

# areta_v5数据集卡片
[需要更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集特征

• Unnamed: 0：整数类型 (int64)
• raw：字符串序列
• corrected：字符串序列
• tag：字符串序列
• raw_morph：字符串类型
• raw_d3tok：字符串序列

数据集划分

• 训练集：
  • 样本数量：19406
  • 数据大小：60559487字节
• 验证集：
  • 样本数量：1017
  • 数据大小：3179379字节
• 测试集：
  • 样本数量：968
  • 数据大小：3028394字节

数据集大小

• 下载大小：23091062字节
• 数据集总大小：66767260字节